[发明专利]一种融合身份特征的独居老人跌倒识别方法及系统

权利要求书

1.一种融合身份特征的独居老人跌倒识别方法，其特征在于，包括：

获取人体反射信号和居家环境下的监控视频，并进行时间同步；

基于人体反射信号，当居家环境内人数为1时，从人体反射信号中提取人体心率与呼吸率；基于监控视频进行人脸识别，当识别是被监护的独居老人时，监测独居老人当前的心率与呼吸率；基于监控视频中的图像进行跌倒动作识别，得到独居老人跌倒识别结果和跌倒置信度；

将提取的心率与呼吸率与监测的心率与呼吸率进行加权融合，将加权融合结果进行异常/正常分类，得到分类结果及异常置信度；将跌倒置信度与异常置信度进行最大值融合，得到融合跌倒置信度，以此识别独居老人的跌倒情况。

2.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法，其特征在于，所述时间同步包括：

根据获取人体反射信号的雷达和获取居家环境下的监控视频的摄像头采样的速率差，取雷达和摄像头采样周期的公倍数为采样时刻，将采样时刻的人体反射信号和监控视频进行数据融合，完成时间同步。

3.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法，其特征在于，所述从人体反射信号中提取人体心率与呼吸率，包括：

对获取到的人体反射信号采用恒虚警率算法进行处理，检测人体目标，确定居家环境内的人数；

当人数为1时，根据心跳和呼吸信号的频率特性，采用0.9-2Hz的带通滤波器对获取到的人体反射信号进行处理，提取心跳信号；采用0.1-0.8Hz的带通滤波器对获取到的人体反射信号进行处理，提取呼吸信号；

对提取到的心跳信号和呼吸信号进行降采样并基于快速傅里叶变换进行频谱估计，得到人体心率与呼吸率e₁以及置信度c1。

4.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法，其特征在于，所述基于监控视频进行人脸识别，包括：

将监控视频中的图像序列输入MTCNN人脸检测网络，标定出人脸区域坐标与5个关键点坐标；

根据标定结果，确定居家环境内的人数；

当人数为1时，将标定的人脸区域进行对齐，利用dlib图形库中的Face_recognition进行特征提取，得到128维向量；

计算得到的128维向量与人脸库中的特征之间的欧式距离；

基于计算结果确定识别到的人脸是否为被监护的独居老人，当确定是被监护的独居老人时，跟踪并提取人脸区域。

5.根据权利要求4所述的融合身份特征的独居老人跌倒识别方法，其特征在于，所述监测独居老人当前的心率与呼吸率，包括：

对提取的人脸区域进行依次欧拉影像颜色放大、互补集合经验模态分解、联合盲源分离和三阶巴特沃斯带通滤波器，得到独居老人当前的心率与呼吸率e₂以及置信度c2；

响应于对人脸区域的跟踪，实现对独居老人当前的心率与呼吸率的监测。

6.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法，其特征在于，所述将提取的心率与呼吸率与监测的心率与呼吸率进行加权融合，通过下式表示：

式(1)中，e(k)表示加权融合的生命特征，e_i(k)包括心率与呼吸率在k时刻的估计值，包括提取的心率与呼吸率在k时刻的估计值e₁(k)、监测的心率与呼吸率在k时刻的估计值e₂(k)；ω_i表示权重，通过下式进行计算：

式(2)中，ci表示置信度，包括提取的心率与呼吸率的置信度c1、监测的心率与呼吸率的置信度c2。

7.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法，其特征在于，还包括：当识别独居老人跌倒，将跌倒情况发送至亲属手机端和医疗机构服务平台。